Modelado con datos en el Tidyverse

En este capítulo conocerás algo de teoría de base y terminología sobre modelado, en particular, el marco general de modelado, la diferencia entre modelar para explicar y modelar para predecir, y el problema de modelado. Además, empezarás a realizar tu primer análisis exploratorio de datos, un paso clave antes de cualquier modelado formal.

Con el marco general de modelado ya en mente, en este capítulo veremos la regresión lineal básica, donde mantendrás las cosas sencillas y modelarás la variable de resultado y como función de una única variable explicativa/predictora x. Usaremos variables x tanto numéricas como categóricas. La variable de resultado de interés en este capítulo serán las puntuaciones de evaluación docente del personal instructor en la University of Texas, Austin.

En el capítulo anterior, aprendiste sobre la regresión básica usando un único predictor numérico o categórico. Pero ¿por qué limitarte a una sola variable para fundamentar tus explicaciones/predicciones? Ahora ampliarás la regresión básica a la regresión múltiple, que permite incorporar más de una variable explicativa o predictora en tus modelos. Modelarás precios de vivienda usando un conjunto de datos de casas del área metropolitana de Seattle, WA.

En los capítulos anteriores, ajustaste varios modelos para explicar o predecir una variable de resultado de interés. Sin embargo, ¿cómo sabemos qué modelos elegir? Las medidas de evaluación de modelos te permiten valorar qué tan bien un modelo explicativo «se ajusta» a un conjunto de datos o cuán preciso es un modelo predictivo. Con base en estas medidas, aprenderás criterios para determinar qué modelos son «mejores».